航班延误特征可视分析方法

为分析航班延误发生规律,提出一种数学模型联合多视图协同的可视分析方法。对SEIR传染病传播模型进行调整,建立航班延误传播模型分析延误的传播特征,在此基础上,运用频繁子图挖掘算法提取延误频繁模式;设计基于中点分割的地图网络图、矩阵热力图和时序图,分析延误的时空分布特征;设计VA-FDC系统用于方法验证。实验结果表明,VA-FDC能够有效分析航班延误时空分布特征,依据航班延误传播模型准确描述延误传播特征,为相关部门有效措施的制定提供借鉴。

加卸载后含铜矽卡岩在轴压及频繁扰动共同作用下的动力学特征

为了研究加卸载后含铜矽卡岩在轴压及频繁扰动共同作用下的动力学特征,以冬瓜山铜矿井下900 m深处出矿进路附近的含铜矽卡岩为研究对象,利用改进的SHPB加载试验装置开展加卸载后含铜矽卡岩在轴压及频繁扰动共同作用下的动态力学试验,研究含铜矽卡岩的动态变形特征、能量耗散特征和破坏模式等。结果表明:不同冲击气压产生的动荷载对含铜矽卡岩的变形特征无明显影响,表现为试样的动态应力-应变曲线呈近似抛物线形状;随频繁扰动次数增加,含铜矽卡岩的峰值应力减小,峰值应变增大;随冲击气压增大,入射能、反射能、透射能和吸收能均增大,单位体积吸收能随入射能增大而增大,表现为吸收能量的过程;频繁扰动次数不断增加导致试样内部损伤程度加剧,微裂纹增多且扩展速度加快,最终导致试样发生宏观破坏,影响岩石破坏块度大小,同时也增大了“岩爆”的发生概率。

“教会、勤练、常赛”视域下高校体育教学模式探析--以西南交通大学为例

针对新时代学校体育“教会、勤练、常赛”的具体要求,该文采用文献资料法、问卷调查法、数据统计法等方法,对西南交通大学公共体育课近几年教学现状及成因进行分析。结果表明:在“教会”情况方面,西南交通大学为实施体育教学,打造线上慕课与线下实践教学混合式一体化“金课”,其中涉及各个运动项目,严格贯彻新时代体育精神,进一步引导学生养成优良体育道德;在“勤练”情况方面,学校为各项目设置体育健康超市,学生积极参与课余锻炼,运动项目具有选择性;在“常赛”情况方面,课外竞赛具有多样性特征,学生参与积极性较高。依据“教会、勤练、常赛”的具体要求提出相关建议。

国外中小学体育“常赛”模式特征研究

运用文献资料、逻辑分析等方法,对国外中小学体育“常赛”模式的概况与特征进行梳理,并提出对我国的启示。国外“常赛”模式特征:以学生为中心,重视教育延伸;坚持普适性原则,强调全员参与;关注过程性导向,促进学生发展;划分不同竞赛层级,满足学生多元需求。对我国的启示:树立学生为本的理念,发挥学生主观能动性;打造普适性赛事形式,实现全员化竞赛目标;重视竞赛过程性评价,推动学生全面发展;建立竞赛金字塔体系,形成选才扩面新格局。

基于分层结构保留的增量网络爬虫算法

为了提高目前爬虫算法抓取结果的有效性,提出了一种旨在获取有效信息的改进网络爬虫算法,主要设计了信息的分层结构保留策略和URL过滤模式。在改进算法中,网络资源定位符被分层存储,在保留信息全部拓扑关系的基础上,将交错复杂的URL网络系统从一个图结构变为一个层次分明的树结构。在执行结构模式下,实现了增量爬虫算法。仿真实验以实际网站的BBS为测试数据,结果表明,改进算法比现有网络爬虫算法在爬行速度、下载效率与信息有效性等方面有较大的优势。因此,分层结构策略与URL过滤模式可以在增加少量计算时间的前提下极大提高爬虫抓取页面的有效性。

基于频繁模式的长尾文本聚类算法

短文本聚类一直是信息提取领域的热门话题,大规模的短文本数据中存在"长尾现象",传统算法对其聚类时会面临特征纬度高,小类别信息丢失的问题,针对对上述问题的研究,本文提出一种频繁项协同剪枝迭代聚类算法(Frequent Itemsets collaborative Pruning iteration Clustering framework, FIPC).该算法将迭代聚类框架与K中心点算法相结合,运用协同剪枝策略,实现对小类别文本聚类,实验结果证明该聚类算法能够有效的提高小类别短文本信息聚类的精确度,并能避免聚类中类簇重叠的问题.

一种基于CAN-tree快速构建算法

增量关联挖掘领域是近几年数据挖掘研究的一个热点,而CAN-tree的提出是增量关联挖掘发展的一个重要里程碑.虽然CAN-tree适用于增量关联挖掘,但CAN-tree构建时间长,挖掘效率偏低;针对此问题,提出了一种基于CAN-tree快速构建算法,该算法增加基于哈希表的辅助存储结构,用于减少项目的查找时间,从而提高CANtree的构建速度;增加叶子地址表并修改节点结构及改child指针为parent指针,目的是减少剪枝时间和条件模式基的生成时间,从而提高数据挖掘效率.实验结果表明该算法有效.

数据挖掘在多Agent入侵检测系统中的应用

入侵检测是保护网络系统安全的关键技术和重要手段。采用数据挖掘的方法可以从大量信息中提取入侵行为模式,将数据挖掘技术与入侵检测系统相结合,提出了一种基于数据挖掘的多Agent入侵检测系统模型和最大频繁项集挖掘算法。该算法可以自动从大量的网络数据中提取用户的行为和入侵特征模式。实验表明,该方法提高了入侵检测系统中频繁模式的挖掘效率,也提升了整个系统的性能。

新型用户访问模式挖掘方法研究

用户访问模式反映了用户浏览网站的规律,可从中发现用户的访问兴趣。常用的模式发现方法则是从用户的访问日志中挖掘用户的频繁遍历路径。由于基于Apriori算法的频繁遍历路径挖掘方法需频繁访问数据库和产生大量的候选项,提出了新型的遍历路径树的数据结构,用以挖掘用户的频繁遍历路径,通过与传统算法比较,提高了挖掘效率。

频繁模式下智慧课堂知识点学习轨迹研究

学习特征分析是智慧课堂研究的一个重要研究内容。文章利用知识点构建智慧课堂学习分析库,构造知识点频繁模式树,通过基于频繁模式树分析学生学习过程中对知识点学习的调用程度,从而建立学习轨迹,发掘知识点学习的潜在关联关系及频繁模式,分析学生学习的特点,提高智慧课堂教学的学习效率。

高静载条件下受频繁动力扰动时蛇纹岩动力学特性研究

基于改进的分离式霍普金森压杆(SHPB)岩石动静组合加载试验系统,进行了在不同静力轴压条件下受频繁动力扰动作用的动力学试验,研究蛇纹岩在高静载下受频繁冲击扰动过程中的动态变形特性、动态峰值应力和应变、能量变化规律和岩石破坏模式等动力学特性。研究结果表明:高静载条件下受频繁冲击扰动作用时,在动态峰值应力前,动态应力与应变呈正相关关系,而在动态峰值应力后,出现变形回弹和不回弹两种现象;随着动力扰动次数的增加,岩石动态峰值应力减小、动态峰值应变增大、动态变形模量减小、岩石由释放能量向吸收能量方向转化;随着预加静力轴压的增大,单次冲击过程中岩石损伤加剧,岩石破坏需要的扰动冲击次数减少,同时岩石由拉伸破坏模式向压剪破坏模式转变,破坏块度由小变大、均匀度降低。试验结果对揭示深部岩体承受高地应力和频繁开挖爆破等动力扰动作用下的破坏机制具有重要意义,同时为工程实际中通过调整围岩静应力状态和爆破以提高围岩长期稳定性的可行性提供了室内试验支持。

基于Web日志的用户访问推荐系统的研究与实现

近年来Internet飞速发展,WWW上的网页也以指数级在增长,面对如此庞大的Web信息,用户很难找到自己所需要的信息。这里给出了一个以日志分析为基础、结合关联规则的用户访问推荐系统(UARS)的框架及其实现,将数据挖掘技术应用于Web日志,通过数据预处理、页面统计分析和用户统计分析,最终通过关联规则挖掘发现用户的频繁访问模式,为用户访问Web站点提供推荐,提高用户访问Web站点的效率。

基于出行方式及语义轨迹的位置预测模型

现有位置预测方法的研究多集中于对轨迹数据的挖掘和分析,而在如何通过轨迹数据中含有的信息内容以及外源数据以提高位置预测精确度方面的研究尚不深入,有很大研究空间.提出了一种挖掘语义轨迹信息并结合出行方式的未来位置预测模型,该模型首先可实现根据语义轨迹进行相似用户挖掘,并结合个人语义轨迹和相似用户位置轨迹得到频繁模式集合,最后结合2个集合对目标轨迹得到未来位置预测候选集;然后可实现对未来出行方式进行识别,同时结合历史出行方式和位置轨迹数据,建立Markov模型对未来位置进行预测得到候选集,最后结合前一部分的候选集得到最终未来位置结果.此模型不仅能结合语义轨迹挖掘相似用户的行为活动,还可同时融合出行方式的外源数据克服位置轨迹的局限性.实验验证表明:该模型能对日常生活中的轨迹位置数据进行预测并达到86%的精确度,同时在不同的频繁模式支持度下,其精确度都比未结合出行方式模型时平均高出5%,因此本模型对位置预测结果的提高具有有效性.

格构式钢结构吸热塔的抗震性能研究

吸热塔是塔式光热电站的核心构筑物,是典型的高耸结构,但因其顶部放置质量巨大的熔盐储罐,使其在地震作用下的受力性能不同于其他传统的高耸结构。为了研究格构式钢结构吸热塔的抗震性能,以某100 MW熔盐塔式光热电站的200 m高吸热塔项目为工程背景,采用SAP2000软件建立了三维有限元模型并进行了模态分析、反应谱分析、多遇地震下的弹性时程分析和罕遇地震作用下弹塑性时程分析。结果表明,结构在多遇地震作用下所有构件处于弹性状态;罕遇地震作用下的位移角满足设计要求;塔架变坡处的层间位移角发生突变,为结构的薄弱部位;考虑几何非线性时,塔顶的大质量吸热器对顶层间位移角的影响较大,在抗震设计中要予以重视。

基于动态多最小支持度的用户频繁轨迹挖掘

为解决频繁轨迹模式挖掘中单一最小支持度带来的问题,提出一种多最小支持度的频繁序列挖掘算法,根据获取的用户历史轨迹数据确定用户多最小支持度获取模型。由于仅通过PrefixSpan算法挖掘出用户的历史频繁轨迹模式,无法了解用户在一段时间内的地点偏好变化,通过动态加权的方式结合之前挖掘出的用户频繁轨迹模式得到用户在不同时期的地点偏好变化,利用序列压缩和序列匹配减少用户频繁轨迹模式的存储空间。通过实例挖掘,验证了改进算法的有效性。

数据挖掘在数据分析中的应用

本文针对运用数据挖掘方法构建规则库的过程进行阐述,对选取的算法进行介绍及确定其中的可变量,并着重解决方法运用过程中面临的若干问题,其中包括审计数据的收集、格式转换、规则集合并、规则匹配等。通过对挖掘结果的分析可以看出,将数据挖掘技术应用到数据分析中,大大提高了入侵检测系统的可靠性和智能化程度。

基于Hadoop的2FP-Growth算法

在2FP-Grwoth算法的基础上提出并行处理算法,基于Hadoop平台下的Map/Reduce编程模式对2FP-Growth算法进行处理。通过实验和FP-Growth算法、COFI算法以及2FP-Growth算法验证了基于Hadoop的并行2FP-Growth算法的正确性和高效性。

基于频繁项集挖掘的发布/订阅分布式系统运行模式识别

为保障发布/订阅分布式系统的安全运行,需实时监控系统的运行模式,以发现系统的异常状态,因此识别出系统中正常的运行模式是状态监控的首要任务。基于发布/订阅分布式系统的运行特点,提出了一种加权频繁项集挖掘算法用于运行模式的识别。实验结果表明,该算法能有效挖掘出发布/订阅分布式系统中的运行模式,同时相较于Apriori算法和FP-growth算法有较好的性能。

扩充的频繁模式挖掘算法在拒绝服务攻击入侵检测中的应用

提出了一种可直接用于快速频繁模式挖掘的频繁项目表的概念,并实现了具体的频繁模式增量挖掘方法。在对拒绝服务攻击的入侵检测中证明:与类Apriori方法不同,该方法无需再生成候选集,频繁模式的搜索仅需对频繁项目表上特定项目的支持数进行加法操作,同时每个生成的频繁项目表的容量很小并适于在内存中处理,从而能有效改进算法性能。

上坡工况换挡规律的应用研究

通过对发动机外特性的研究,理论计算并分析匹配双离合自动变速器(DCT,dual clutch transmission)的车辆在上坡行驶过程中动力不足及频繁换挡的问题。同时,分析坡度对换挡规律的影响,提出针对上坡工况换挡规律基本设定的原则,基于该原则修正上坡工况换挡规律,对修正后的换挡规律进行仿真和实车测试。结果表明:修正后的换挡规律避免了上坡时频繁换挡的问题,提高了驾乘舒适性。该原则对上坡工况换挡规律的实际应用和研究提供支持和借鉴。